apply

应用技能

优先级层级：有关冲突处理，请参阅 references/priority-hierarchy.md。

使用浏览器自动化填写 Greenhouse、Lever 和 Workday 上的求职申请表。

文件结构

scripts/
  fill-page.md              # Form-filling subagent prompt

数据目录

按照 references/data-directory.md 确定数据目录。

---

工作流

步骤 0：检查前置条件

确定数据目录，然后按照 references/prerequisites.md 检查前置条件。必须提供简历文件。如果 DATA_DIR/application-data.md 存在，则加载它（如果不存在，将在步骤 2 中创建）。

步骤 1：确定目标职位

解析 $ARGUMENTS：

如果是 URL：

• 检查 DATA_DIR/jobs/ 中是否存在匹配的职位文件夹（按文件夹名称中的公司 slug 或 URL 匹配）。如果找到，则从该文件夹加载 posting.md、resume.md 和 cover-letter.md。
• 如果没有匹配项，则按照 references/browser-setup.md 设置浏览器，获取职位信息，并将其保存到 DATA_DIR/jobs/[company-slug]-[date]/posting.md 新文件夹中。

如果是 "last" 或为空：

• 在 DATA_DIR/jobs/ 中查找最近修改的职位文件夹
• 加载其中的 posting.md、resume.md 和 cover-letter.md
• 向用户确认这是哪份职位申请

如果是 "current"：

• 跳过导航——直接使用当前浏览器标签页
• 尽可能将标签页 URL 与已保存的职位文件夹匹配，以加载相关信息

报告已加载的内容：

Applying to [Role] at [Company].

步骤 2：构建/加载申请数据

如果 DATA_DIR/application-data.md 存在，则读取并加载其中的值。

如果不存在：

1. 从简历中提取可用信息：姓名、电子邮箱、电话、LinkedIn、所在地
2. 向用户展示提取的信息，请他们确认并补充缺失内容：工作授权、签证担保、EEO 偏好（默认将所有 EEO 项设为“拒绝自我认定”）
3. 按以下格式保存到 DATA_DIR/application-data.md：

# Application Data

## Personal Information
- First Name: ...
- Last Name: ...
- Email: ...
- Phone: ...
- City: ...
- Country: United States

## Online Profiles
- LinkedIn: ...
- GitHub: ...
- Portfolio: ...

## Standard Answers
- How did you hear about us: Job Board
- Previously worked at this company: No
- Authorized to work in the US: Yes
- Requires visa sponsorship: No

## EEO / Voluntary Disclosures
- Gender: Decline to self-identify
- Race/Ethnicity: Decline to self-identify
- Veteran status: I am not a veteran
- Disability: I don't wish to answer

步骤 3：导航至申请表并检查要求

按照 references/browser-setup.md 设置浏览器（tabs_context → tabs_create → navigate）。

如果 $ARGUMENTS 是 "current"：跳过导航。调用 tabs_context_mcp 获取活动标签页。

否则，根据 URL 模式检测 ATS 类型（参见 references/ats-patterns.md），并进行相应导航：

Lever（jobs.lever.co/...）：

• 导航至附加 /apply 的职位发布 URL，或导航至职位页面并点击“APPLY FOR THIS JOB”

Greenhouse（boards.greenhouse.io/... 或包含 grnhse_iframe 的页面）：

• 导航至职位发布 URL
• 使用 javascript_tool 提取 iframe 令牌：

  const iframe = document.getElementById('grnhse_iframe');
  const url = new URL(iframe.src);
  JSON.stringify({
    boardToken: url.searchParams.get('for'),
    jobToken: url.searchParams.get('token')
  });
  

• 导航至直接表单 URL：https://job-boards.greenhouse.io/embed/job_app?for={boardToken}&token={jobToken}

Workday（*.myworkdayjobs.com/...）：

• 导航至职位页面。点击“Apply Now”。
• 如果出现包含 Autofill/Manual 选项的落地页，点击“Apply Manually”。
• 如果出现身份验证关卡，告知用户先登录，然后在准备好时回复“continue”。创建账户属于禁止操作——用户必须自行完成身份验证。

未知 ATS：

• 导航至该 URL，并截取屏幕截图
• 尝试识别表单。如果无法识别，告知用户并寻求指导。

检查表单。 进入申请表后，快速浏览（read_page(filter="interactive")，或在 Workday 上滚动查看）以确定：

• 表单是否包含简历/CV 上传字段？
• 表单是否包含求职信上传字段或文本框？
• 是否有任何需要特别注意的特殊必填字段？

记录这些要求——它们决定了步骤 4 中要生成哪些材料。

步骤 4：生成缺少的材料

目标是在开始填写前准备好所有材料，让用户尽量少做工作。

始终针对职位定制简历。 检查此职位是否存在 DATA_DIR/jobs/[job-folder]/resume.md：

• 如果存在：简历已针对该职位定制。跳过。
• 如果不存在：直接运行 tailor-resume 技能。按照 skills/tailor-resume/SKILL.md 中的工作流程，使用职位发布信息（已加载）、原始简历和工作经历档案生成定制简历。保存到职位文件夹中。继续之前，将简历交给用户快速审核。

仅在表单要求时生成求职信。 如果第 3 步的侦察发现有求职信字段：

• 检查是否存在 DATA_DIR/jobs/[job-folder]/cover-letter.md
• 如果存在：已完成。跳过。
• 如果不存在：直接运行 cover-letter 技能。按照 skills/cover-letter/SKILL.md 中的工作流程，使用职位发布信息、定制后的简历和档案。保存到职位文件夹中。交给用户快速审核。

如果表单没有求职信字段，则完全跳过求职信生成。

告知用户生成了哪些内容：

Prepared for [Role] at [Company]:
- Tailored resume: [generated / already existed]
- Cover letter: [generated / already existed / not required by form]

Ready to fill the application. Proceeding...

步骤 5：扫描所有字段

填写任何内容之前，扫描整个表单，找出所有字段。此步骤中不要填写字段，只读取。

对于 Lever/Greenhouse（单页表单）：

• 调用 read_page(tabId, filter="interactive") 一次获取所有字段

对于 Workday（多步骤向导）：

• 从上到下滚动扫描当前页面，并在每个视口位置调用 read_page
• 收集所有字段标签、类型及其是否为必填项
• 注意：到达每个向导页面时再扫描该页面（参见步骤 7）

对于找到的每个字段，记录：

• 字段标签
• 字段类型（文本、下拉菜单、单选框、复选框、文件上传）
• 是否为必填项
• 供后续填写时使用的元素引用

步骤 6：提出答案并征求批准

按照以下优先级为每个字段生成建议答案：

1. 申请数据 — 根据下方的字段匹配参考，从 application-data.md 中匹配
2. 合理的默认值 — 对于申请数据中未包含的常见字段：
   • 法定名/姓 → 与名/姓相同
   • 电子签名 → 全名
   • 仲裁/条款协议 → 接受（告知用户）
   • 面试流程确认 → 接受
   • AI 转录同意 → 接受
   • 合同/临时工作相关问题 → “否”（除非申请数据另有说明）
3. 自定义答案 — 检查 application-data.md 的“自定义答案”部分，查看之前缓存的答案
4. 最佳推测 — 对于其余字段，根据字段标签和职位背景生成合理答案
5. 无法确定 — 仅在确实含糊且没有合理默认值时使用

向用户提供一份汇总：

Here's my plan for the [Company] application:

**Auto-fill from your data:**
- First Name: Jane
- Last Name: Doe
- Email: [email protected]
- Phone: 555-0123
- LinkedIn: https://linkedin.com/in/janedoe
...

**Proposed answers (please review):**
- Legal First Name: Jane (same as first name)
- Electronic signature: Jane Doe
- Arbitration agreement: Accept
- Contract work: No
- [Any other non-obvious fields]: [proposed answer]

**Needs your input:**
- [Only truly ambiguous fields, if any]

**Manual upload needed:**
- Resume: [file path]
- Cover letter: [file path] (if applicable)

Approve and I'll fill everything in. Or tell me what to change.

核心原则：只询问一次，只填写一次。 不要针对每个字段分别提问。唯一需要用户参与的环节应是这次审批（以及步骤 8 中最终提交前的确认）。

用户批准（并提出任何修改）后，将新增答案缓存到 DATA_DIR/application-data.md 的“自定义答案”部分，以便在今后的申请中重复使用。

步骤 7：填写表单

获得批准后，一次性填写所有内容。

委派给子 Agent。 调用 scripts/fill-page.md，并提供：

• ATS 类型（lever/greenhouse/workday/unknown）
• 已批准的字段→值映射（所有答案，不只是申请资料）
• 标签页 ID
• 简历和求职信的文件路径

子 Agent 会填写当前页面的所有字段，然后返回已填写和剩余的内容。

对于多页表单（Workday）：

1. 填写当前页面 → 点击“Save and Continue”
2. 如果出现验证错误：读取错误信息，修正字段，然后重试
3. 在新页面上：扫描字段（步骤 5 的逻辑），与已批准的答案匹配，填写并继续
4. 重复以上步骤，直到到达审核页面

文件上传处理： MCP 工具只能通过 upload_image 上传图片。对于 PDF/DOCX 格式的简历和求职信，请告知用户文件路径，并让用户手动上传。这是已知限制——在步骤 6 的摘要中附上路径，以便用户审核时上传。

步骤 8：提交前审核

到达审核/确认页面，或填写完单页表单的所有字段后：

1. 截取屏幕截图
2. 确认所有内容看起来正确
3. 在提交前向用户明确征求确认——根据浏览器自动化规则，这是必须获得明确许可的操作

用户确认之前，切勿点击 Submit/Send。

步骤 9：记录申请

提交后（或用户决定不提交时）：

创建 DATA_DIR/jobs/[company-slug]-[date]/applied.md：

# Application Log

- **Date**: YYYY-MM-DD
- **ATS**: Greenhouse/Lever/Workday
- **Status**: Submitted / Draft (not submitted)
- **Notes**: [any relevant notes]

更新 DATA_DIR/job-history.md——找到该职位对应的条目，并附上申请状态和日期。

向用户展示：

Applied to [Role] at [Company] on [date].
Files saved to: DATA_DIR/jobs/[folder]/

---

字段匹配参考

将表单字段标签（不区分大小写，模糊匹配）与申请资料对应：

标签模式	数据来源	输入方式
first name	Personal.FirstName	form_input / type
last name	Personal.LastName	form_input / type
full name	Personal.FirstName + LastName	form_input / type
email	Personal.Email	form_input / type
phone	Personal.Phone	form_input / type
city, location, current location	Personal.City	form_input / type / combobox
country	Personal.Country	下拉菜单选择
linkedin	Profiles.LinkedIn	form_input / type
github	Profiles.GitHub	form_input / type
portfolio, website	Profiles.Portfolio	form_input / type
resume, cv	文件上传：简历 PDF	文件上传
cover letter	文件上传：求职信	文件上传
how did you hear	StandardAnswers.HowHeard	下拉菜单：“Job Board”
previously worked	StandardAnswers.PreviouslyWorked	单选按钮/复选框：“No”
authorized to work, work authorization	StandardAnswers.WorkAuth	单选按钮/下拉菜单
sponsorship	StandardAnswers.Sponsorship	单选按钮/下拉菜单
gender	EEO.Gender	下拉菜单：“Decline”
race, ethnicity	EEO.Race	下拉菜单：“Decline”
veteran	EEO.Veteran	下拉菜单/单选按钮：拒绝回答选项
disability	EEO.Disability	下拉菜单/单选按钮：拒绝回答选项

无法识别的字段：检查字段是否为必填。如果是必填，请询问用户。如果是可选字段，则跳过。将用户的答案缓存在 DATA_DIR/application-data.md 的“Custom Answers”下，以便重复使用。

ATS 特定交互说明

Lever：对所有字段类型（包括下拉菜单），使用带有 value 或 text 的 form_input 即可直接填写。

Greenhouse：导航到表单的直接 URL（位于 iframe 外）后，使用带有 value 的 form_input 即可填写。

Workday：

• read_page(filter="interactive") 只会返回视口中可见的元素。必须从上到下滚动，并在每个滚动位置调用 read_page。
• read_page 不会返回单选按钮 — 请使用 find 工具或通过 computer 在相应坐标处点击。
• 下拉菜单是会打开弹出面板的 button 元素。点击按钮 → 使用 find 或 read_page 定位选项 → 点击选项。对于分层下拉菜单（如「How Did You Hear」），请使用 Search 文本框在弹出面板中搜索。

---

响应格式

面向用户的输出应包含以下部分：

1. 申请状态 — 已填写的内容、已跳过的内容以及提交确认信息
2. 已保存文件 — 已保存的申请日志路径
3. 后续步骤 — 如果缺少求职信，则建议补充；否则建议开始下一次求职搜索